دانلود کتاب Nonparametric Methods in Change-Point Problems

ترجمه فارسی توضیحات (ترجمه ماشینی)

روشهای ناپارامتریک در مسائل نقطه تغییر

توسعه انفجاری علم و فناوری اطلاعات مشکلات جدیدی را در زمینه تجزیه و تحلیل داده های آماری ایجاد می کند. این مشکلات ناشی از نیازهای بالاتر مربوط به قابلیت اطمینان تصمیمات آماری، دقت مدل‌های ریاضی ریاضی و کیفیت کنترل در سیستم‌های پیچیده است. جنبه جدیدی از تجزیه و تحلیل آماری پدیدار شده است که ارتباط نزدیکی با یکی از سؤالات اساسی ساینرژتیک دارد: چگونه می توان حجم زیادی از داده های تجربی را “فشرده” کرد تا با ارزش ترین اطلاعات را از داده های مشاهده شده استخراج کرد. تشخیص بخش‌های بزرگ «همگن» از داده‌ها، فرد را قادر می‌سازد تا نظم‌های «پنهان» را در رفتار یک شی شناسایی کند، مدل‌های ریاضی را برای هر بخش از همگنی ایجاد کند، یک کنترل مناسب را انتخاب کند، و غیره. روش‌های آماری که با تشخیص تغییرات سروکار دارند. در ویژگی های فرآیندهای تصادفی می تواند در همه این مسائل استفاده زیادی داشته باشد. این روش ها با رشد سریع داده ها از اواسط قرن ما همراه بوده است. طبق سنت بیش از سی ساله، ما این حوزه تحلیل آماری را “نظریه تشخیص نقطه تغییر” می نامیم. در طول پانزده سال گذشته، ما شاهد تحولات هیجان انگیز بسیاری در نظریه تشخیص نقطه تغییر بوده ایم. جهت‌های نویدبخش پژوهشی پدیدار شده‌اند و روندهای سنتی از نو شکوفا شده‌اند. با وجود این، اکثر نتایج به طور گسترده در ادبیات پراکنده هستند و تک نگاری های کمی وجود دارد. نیاز واقعی به کتاب‌های به‌روز پدید آمده است که گزارشی از روندهای مهم تحقیقاتی جاری را ارائه می‌دهند، که یکی از آنها تئوری تغییر غیر پارامتریک – تشخیص نقطه است.

Nonparametric Methods in Change-Point Problems

The explosive development of information science and technology puts in new problems involving statistical data analysis. These problems result from higher re­ quirements concerning the reliability of statistical decisions, the accuracy of math­ ematical models and the quality of control in complex systems. A new aspect of statistical analysis has emerged, closely connected with one of the basic questions of cynergetics: how to “compress” large volumes of experimental data in order to extract the most valuable information from data observed. De­ tection of large “homogeneous” segments of data enables one to identify “hidden” regularities in an object’s behavior, to create mathematical models for each seg­ ment of homogeneity, to choose an appropriate control, etc. Statistical methods dealing with the detection of changes in the characteristics of random processes can be of great use in all these problems. These methods have accompanied the rapid growth in data beginning from the middle of our century. According to a tradition of more than thirty years, we call this sphere of statistical analysis the “theory of change-point detection. ” During the last fifteen years, we have witnessed many exciting developments in the theory of change-point detection. New promising directions of research have emerged, and traditional trends have flourished anew. Despite this, most of the results are widely scattered in the literature and few monographs exist. A real need has arisen for up-to-date books which present an account of important current research trends, one of which is the theory of non parametric change–point detection.